現場で使える！NumPyデータ処理入門 機械学習・データサイエンスで役立つ高速処理手法

Chapter 1　NumPyの基本
　1.1　NumPyの基本とインストール方法
　1.2　多次元データ構造ndarrayの基礎
　1.3　ブロードキャスト
　1.4　スライシング
　1.5　軸（axis）と次元数（ndim）について
　1.6　ndarrayの属性（attribute）shape
　1.7　要素のデータ型（dtype）の種類と指定方法
　1.8　コピー（copy）とビュー（view）の違い

Chapter 2　NumPy配列を操作する関数を知る
　2.1　配列を形状変換するreshape
　2.2　配列末尾へ要素を追加するappend
　2.3　配列の真偽判定に役立つallとany
　2.4　条件を満たす要素のインデックスを取得するwhere
　2.5　最大値、最小値を抜き出すamax、maxとamin、min
　2.6　配列の最大要素のインデックスを返すargmax
　2.7　配列の軸の順序を入れ替えるtranspose
　2.8　ソートをするsortとargsort
　2.9　配列同士を連結する、NumPyのvstackとhstackの使い方
　2.10　データを可視化するmatplotlibの使い方
　2.11　要素がゼロの配列を生成する関数のまとめ
　2.12　要素が1の配列を生成するones
　2.13　連番や等差数列を生成するarange
　2.14　線形に等間隔な数列を生成するlinspace
　2.15　単位行列を生成するeyeとidentity
　2.16　未初期化の配列を生成するempty
　2.17　randomモジュールを使った配列操作・乱数生成方法
　2.18　配列を1次元に変換するflatten
　2.19　loadtxtとsavetxtを使ってテキストファイルを読み書きする
　2.20　配列データをそのまま読み書きするloadとsave
　2.21　bufferをndarrayに高速変換するfrombuffer
　2.22　非ゼロ要素を抽出するnonzero
　2.23　flattenよりも高速に配列を1次元化するravel
　2.24　配列をタイル状に並べるtile
　2.25　新しく配列に次元を追加するnp.newaxisオブジェクト
　2.26　要素の差分と足し合わせを計算するdiffとcumsum
　2.27　多次元配列の結合を行うnp.c_とnp.r_オブジェクト

Chapter 3　NumPyの数学関数を使う
　3.1　NumPyの数学関数・定数のまとめ
　3.2　要素の平均を求めるaverageとmean
　3.3　要素の中央値を計算するmedian
　3.4　要素の和を求めるsum
　3.5　標準偏差を計算するstd
　3.6　分散を求めるvar
　3.7　共分散を求めるcov
　3.8　相関係数を求めるcorrcoef
　3.9　配列の要素から格子列を生成するmeshgrid
　3.10　内積を計算するdot
　3.11　行列式を求めるlinalg.det
　3.12　行列の固有値や固有ベクトルを求めるlinalg.eig
　3.13　行列の階数（ランク）を求めるrank
　3.14　逆行列を求めるinv
　3.15　直積を求めるouter
　3.16　外積を求めるcross
　3.17　畳み込み積分や移動平均を求めるconvolve

Chapter 4　NumPyで機械学習を実装する
　4.1　配列の正規化（normalize）、標準化をする方法
　4.2　線形回帰をNumPyで実装する
　4.3　NumPyでニューラルネットワークを実装する：基本編
　4.4　NumPyでニューラルネットワークを実装する：理論編
　4.5　NumPyでニューラルネットワークを実装する：実装編
　4.6　NumPyでニューラルネットワークを実装する：多層化と誤差逆伝播法編
　4.7　NumPyでニューラルネットワークを実装する：文字認識編
　4.8　NumPyで強化学習を実装する

• 本商品の内容についての問い合わせ
• ご購入等に関する問い合わせ